买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉北京市遥感信息研究所申请的专利一种自适应超大视场红外图像非均匀性校正方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119251109B 。

龙图腾网通过国家知识产权局官网在2026-02-24发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411366594.8，技术领域涉及：G06T5/80；该发明授权一种自适应超大视场红外图像非均匀性校正方法是由胡晓宁;黄小仙;刘锋;徐菲菲;张超;韩龙;黄凌锋设计研发完成，并于2024-09-29向国家知识产权局提交的专利申请。

本一种自适应超大视场红外图像非均匀性校正方法在说明书摘要公布了：本发明公开一种自适应超大视场红外图像非均匀性校正方法，属于红外图像质量控制领域。首先以红外相机实验室辐射定标系数作为校正输入，通过多景图像统计得到非均匀性校正的初始参数，然后选取超大视场中心且响应稳定的探测器响应作为标准参考基准，并以标准参考基准向探测器两侧采用特定样本匹配技术修正各像元的校正参数，完成单个探测器模块的非均匀性校正，然后建立面向相邻探测器的高精度重叠区域相关性检测约束模型，利用相邻探测器重叠像元进行特征点匹配校正，获取相邻探测器模块之间的校正参数，依次传递，从而实现红外相机多个探测器模块的灰度配平，最后利用直方图统计实现全视场图像自适应动态拉伸，实现整幅图像的非均匀性校正。

本发明授权一种自适应超大视场红外图像非均匀性校正方法在权利要求书中公布了：1.一种自适应超大视场红外图像非均匀性校正方法，其特征在于，包括如下步骤： 步骤1、初始化校正模型获取；通过地面实验室低温环境下辐射定标数据得到初始化校正参数和校正模型； 步骤2、初始校正参数获取：利用在轨的多景原始图像统计，根据步骤1中的初始化校正模型得到新的初始校正参数； 步骤3、图像初始化校正：采用步骤2中初始校正参数和初始校正模型，带入要校正的单景图像进行初始化校正； 步骤4、标准参考元选择：通过对定标数据和原始统计数据对比选取多个探测器线阵中心且响应稳定的像元作为标准参考元； 步骤5、逐像元统计样本筛选：对于步骤3中初始化校正后的图像，以标准参考元为基准向其两侧逐像元自适应筛选相邻像元的样本； 对于步骤3、步骤4、步骤5，利用初始校正系数筛选图像中的参与计算新的修正系数的样本； 由相邻像元图像数据分两步计算筛选有效样本： 第一步，公式如下： 2 公式2中，为参考像元第i帧的灰度值,表示参考元，图像中共n帧；为相邻像元第i帧的灰度值；表示参考像元与相邻近像元第i帧的灰度值差；为参考像元与相邻近像元所有成像帧的灰度值差的标准差分布；表示相邻像元所有成像帧的灰度值均值；表示参考像元所有成像帧的灰度值均值；表示相邻像元与参考像元所有成像帧的灰度值均值的差值，当时，可认定为是相关性区域，作为第一步筛选出来的样本点； 第二步，公式如下： 3 其中，分别对应邻近i及参考像元的初始校正系数；为邻近i及参考像元经过初始校正后的得到的灰度值的差；理论上，对于均匀的物体，当，则说明校正系数校正精度较高；假设相邻像元在图像中获取的物体信息差异不大，根据这一假设前提，经过初始校正后相邻像元值的绝对值差异较小的样本符合实际有效计算新系数的样本，而值的绝对值差异较大的样本则需要剔除； 获取差值C的直方图分布，将直方图出现概率最大的点，其对应的值为，其出现的概率作为；在图像中选择大于0.5*的样本，作为第二步筛选出来的样本点； 将以上两步筛选出来的样本点取交集作为实际筛选出来的有效样本点； 步骤6、生成新的校正参数：将步骤4筛选出来的相邻像元对应图像中的原始样本数据，进行统计回归，实现样本匹配，得到新的修正系数； 步骤7、生成单个探测器模块校正图像：利用新的修正系数对单个探测器对应的其他图像进行非均匀性校正，完成单个探测器模块图像的非均匀性校正； 步骤8、多探测器模块像元配准点获取：采用实验室获取得到的多个探测器模块间的初始配准重叠区域及其配准特征点，对于待配准图像，基于相机光学系统约束关系，计算新的高精度配准重叠区域以及配准特征点； 步骤9、超大视场红外图像多个探测器模块间灰度配平：基于步骤8得到的模块间的配准重叠区域像元和配准特征点，应用步骤5和步骤6中的样本筛选算法和匹配方法计算多个探测器模块间的非均匀性校正系数，实现超大视场红外图像的快速配平； 步骤10、基于场景的整幅图像自适应动态拉伸：针对配平后的红外图像，基于不同场景直方图统计，进行动态拉伸，实现目视效果。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人北京市遥感信息研究所，其通讯地址为：100029 北京市朝阳区外馆斜街六号院；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。